Réseaux d'information, apprentissage et corpus

Cette thématique aborde plus précisément la représentation de l'information, l'apprentissage automatisé que l'on peut obtenir sur ces informations mais aussi la prise en compte du contexte dont ces informations sont issues (par exemple, analyse du niveau de discours lors de l'extraction depuis des corpus numériques). La constitution d'un réseau d'information commence par une phase de pré-traitements dépendant du type de source de données (structurées ou non) qui concernent aussi bien des traitements linguistiques, d'apprentissage pour classification, détection de règles liant les données, etc. Une fois ces pré-traitements effectués, il s'agit alors de constituer le réseau lui-même par interopérabilité sémantique en couplant ou non des méthodes symboliques et des méthodes statistiques ; puis, de le valider le réseau soit localement, soit globalement. Dans notre cas, le réseau est constitué pour l'essentiel d'ontologies représentées par des graphes. Ce réseau étant en constante évolution, nous avons aussi besoin d'outils pour le maintenir (révision du réseau, alignement de nouvelles sources de données).

Responsables: Myriam Lamolle

Membres: Gilles Bernard, Jean-Jacques Mariage, Françoise Belmas, Anna Pappa, Rakia Jaziri, Aurélien Bossard, Mario Cataldi, Guylain Delmas, Chan Le Duc, Nédra Mellouli-Nauwynck, Marianne Simonot